Master Claude Code in One Video (தமிழ்)
三句話摘要
用 Claude Code 逐階段構建醫學考試練習平台，展示 AI 編程工具在快速交付應用中的實戰應用與關鍵陷阱。 AI 編程工具的真正價值不在於工具本身，而在於能否透過系統化的流程、精準的需求分解和持續的迭代驗證，快速將客戶需求轉化為可交付的商業成果。 1. 分階段提示詞優於完整文檔
重點整理
重點- 1
1. 分階段提示詞優於完整文檔
- 2
不應一次性提交整個 PRD 給 Claude Code，而應將需求分解為多個階段（Phase），每個階段對應一個具體提示詞。這樣可避免遺漏細節，也便於逐步驗證。
- 3
2. 上下文窗口是有限資源
- 4
Claude Code 提供 100 萬 token 的上下文窗口。當快用完時需要切換到新的聊天窗口，並透過 CLAUDE.md 文件傳遞之前的上下文，確保後續階段不會遺失已建立的架構。
- 5
3. 逐階段測試勝於最後測試
- 6
完成每個功能階段後立即在 localhost 測試，發現問題時 token 消耗小。若全部完成才測試發現問題，回溯修改時會耗費大量 token。
- 7
4. 六個常見紅旗應避免
- 8
包括一次給完整 PRD、遺失提示詞記錄、浪費上下文在重複對話、跳過中間測試、未做架構決策、未定期 Git 提交。
實用技巧與重點
乾貨- 應用架構分解
- Phase 1: 項目基礎設置（Project Foundation）
- Phase 2: 數據庫架構與初始數據（Database Schema & Seed Data）
- Phase 3: 身份驗證、OTP、用戶角色（Authentication, OTP, User Roles）
- 後續階段：UI、支付集成、報表等
- 構建的實際應用：NEAT Smart Practice
- 目標用戶：印度泰米爾納德邦政府學校學生
- 核心功能：考試練習測試、成績分析、雙語支持（英語和泰米爾語）
- 用戶角色：學生、教師、機構管理員、超級管理員
- 價格模式：30 盧比/次測試
- 數據庫：PostgreSQL
- 部署環境：開發階段本地化部署
- Claude Code vs Claude Chat 的差異
- Claude Chat：適合解釋、腦暴、代碼片段檢查，無沙箱環境，無本地文件系統訪問
- Claude Code：有真實沙箱、可訪問本地文件系統、可運行終端命令、支持 npm/git/Prisma 等開發工具、可直接運行 localhost
- Token 概念
- 約 3-4 個字符換算為 1 token
- 每個聊天窗口上限 100 萬 token
- 提示詞與輸出都耗費 token
- 上下文轉移方式
- 在 CLAUDE.md 文件中記錄當前階段進度
- 新聊天窗口開始時先讀取該文件
- 明確指出下一階段的工作內容
結論
結論“AI 編程工具的真正價值不在於工具本身，而在於能否透過系統化的流程、精準的需求分解和持續的迭代驗證，快速將客戶需求轉化為可交付的商業成果。”
完整解析
詳細這份逐字稿展示了一位 AI 顧問使用 Claude Code 為一個真實客戶構建醫學考試練習平台的完整過程。講師首先強調，AI 工具已經民主化，不再是競爭優勢本身；真正的價值在於如何運用 AI 快速解決實際業務問題並交付可變現的成果。
在架構設計層面，講師從客戶提供的 PRD（功能需求文檔）出發，犯的一個關鍵錯誤是試圖一次性提交完整文檔給 Claude Code。經驗教訓後，他改為將 PRD 分解為多個階段（Project Foundation、Database Schema、Authentication、UI 等），每個階段對應一份結構清晰的提示詞。這樣做的好處是避免 AI 工具遺漏細節，並能逐步驗證架構的正確性。
在上下文管理方面，Claude Code 提供 100 萬 token 的上下文窗口，當接近用完時需要切換到新的聊天。為了不失去已有的進度，講師使用 CLAUDE.md 文件記錄項目狀態、已完成階段和接下來的工作。新聊天開始時先讀取該文件，確保 AI 能理解完整的項目背景。講師在這裡也犯過錯誤，重複要求 AI 讀取 CLAUDE.md 導致浪費 token；正確做法是只在切換新聊天時才需要此步驟。
在測試策略上，講師強調不應等到整個應用完成才進行測試。正確的做法是每完成一個階段（如登入頁面）就在 localhost 測試，確保功能正常後再進行下一階段。這樣如果發現問題，只需修改當前階段代碼，不會因回溯而浪費大量 token。他列舉的六個紅旗包括：一次提交完整 PRD、遺失提示詞記錄、浪費上下文在重複對話、跳過中間測試、架構決策讓 AI 決定、未定期 Git 提交。
最終交付的應用原型是一個功能完整的平台，包括學生端（練習測試、成績分析）、教師端（上傳題庫）和管理端（統計報表、支付管理）。雖然部分功能如支付閘道還未集成，但核心工作流已驗證可用。講師強調，即使 AI 工具能快速生成代碼，後續的軟體工程實踐（CI/CD、測試、部署）、用戶運營和商業模式設計才是決定產品成功的關鍵。
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
